数据采集与预处理：电池充放电数据采集、数据清洗、异常值处理、数据归一化与标准化

做SOH算法这些年，我最大的体会就是：数据质量决定了算法上限。你模型再花哨，喂进去一堆脏数据，结果也是白搭。今天咱们就聊聊数据采集与预处理这档子事。

电池充放电数据采集

数据采集是第一步，也是最容易被忽视的一步。我个人习惯把采集分成两个层面：实验室级和实车级。

实验室数据，说白了就是你在恒温箱里，用充放电柜跑出来的。电压、电流、温度、容量，一条条记录得清清楚楚。我刚开始做的时候，总觉得实验室数据够干净，后来发现——太干净了反而不好。为什么？因为实车数据根本不是这样。

实车数据就复杂多了。你想想看，车辆启动、急加速、能量回收、停车休眠……各种工况混在一起。采样频率也不固定，有的CAN总线1秒传一次，有的10秒才传一次。嗯，这里要注意：采样频率不一致，后期对齐很麻烦。

我在项目中遇到过一件事：某款车的数据里，电流值偶尔会跳成负数。查了半天，发现是霍尔传感器零点漂移了。所以啊，采集端加个校验逻辑，能省后面很多事。

数据清洗

数据拿到手，第一件事不是建模，是洗数据。我见过太多人上来就跑算法，结果跑出来一堆垃圾。

清洗什么？

• 重复数据：同一时间戳出现多条记录，保留第一条或取平均
• 缺失数据：时间戳断了，用插值还是直接删？看情况
• 无效数据：比如电压为0、电流为0但SOC在变化——这明显不合理

举个例子，你拿到一段充电数据，电压从3.0V到4.2V，中间突然跳了个3.8V又跳回3.1V。这种大概率是通信丢包或者传感器误报。我一般用滑动窗口滤波来处理：

def sliding_window_filter(data, window_size=5, threshold=0.1):
    filtered = []
    for i in range(len(data)):
        if i < window_size or i >= len(data) - window_size:
            filtered.append(data[i])
            continue
        window = data[i-window_size:i+window_size+1]
        median = np.median(window)
        if abs(data[i] - median) > threshold:
            filtered.append(median)  # 用中位数替换
        else:
            filtered.append(data[i])
    return filtered

异常值处理

异常值，说白了就是那些「看着就不对」的数据。但怎么定义「不对」？

常见异常类型：

异常类型	示例	处理方法
物理限值超限	电压>5V（磷酸铁锂单体）	直接剔除
跳变异常	1秒内电压变化>0.5V	中值滤波或插值
趋势异常	充电时电压持续下降	检查传感器/剔除片段
静态异常	长时间电压纹丝不动	可能是休眠数据，保留但标记

我记得有一次，某批电池的SOH估算总是偏低。排查了很久，发现是数据里混入了一些「充电未满」的片段。这些片段电压到了4.1V就停了，但实际还没充满。算法误以为容量衰减了。后来我加了个充电截止条件判断：只有电压达到4.2V且电流小于C/20的片段才用来算容量。

数据归一化与标准化

这一步很多人觉得简单，不就是把数据缩放到0~1嘛。其实没那么简单。

归一化（Min-Max Scaling）：

def min_max_scaler(data, min_val, max_val):
    return (data - min_val) / (max_val - min_val)

适合电压、温度这种有明确物理边界的参数。比如电压3.0V~4.2V，归一化后就是0~1。但要注意：如果新数据超出了训练时的范围，归一化会失效。我遇到过实车电压跑到2.8V的情况，归一化后变成了负数，模型直接懵了。

标准化（Z-score Normalization）：

def z_score_scaler(data, mean, std):
    return (data - mean) / std

适合电流、功率这种分布不确定的参数。标准化后均值为0，方差为1。我个人习惯对电流做标准化，因为电流正负都有，归一化反而不方便。

怎么选？

• 有明确上下界的参数（电压、温度）→ 归一化
• 分布未知或存在离群值的参数（电流、功率）→ 标准化
• 同一批数据里，训练集和测试集要用相同的scaler，别各算各的

你想想看，如果电压和电流的量纲差了几十倍，不归一化的话，模型会天然偏向数值大的特征。说白了，预处理做得好，模型训练事半功倍。

嗯，数据采集与预处理就聊到这儿。下一章咱们聊聊特征工程——怎么从这些数据里挖出对SOH有用的信息。